• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 1998년도 추계학술대회 학술발표 논문집
• /
• pp.310-316
• /
• 1998

본 논문에서는 기존의 퍼지 제어규칙에비해 좋은 성능을 갖는 T-S(Takagi-Sugeno)퍼지 모델을 자기조직화 지도와 역전파 신경망을 이용하여 표현하고 제어기 구현을 위한 규칙의 자동 생성 방법을 제안한다. 제안된 방법은 신경망에 기초하여 T-S 퍼지 제어 규칙을 포현하므로써 학습 기능을 이용하여 지식 획득을 용이하게 하고, 입력 변수간의 퍼지 관계에 기반 하여 추론이 이루어지므로 각 퍼지 변수에 대한 소속 함수의 정의 과정이 불필요하게 된다. 또한 제어기로 구현되었을 때 규칙의 수나 퍼지화 및 비퍼지화 등이 구성된 추론망을 통하여 자동으로 수행될 수 있다. 때문에 퍼지 시스템의 구현이 쉽게 이루어 질 수 있게 한다. 제안된 방법을 자동차 궤도 안정화 모의 실험에 적용해 봄으로써 추론망이 규칙을 생성하여 타당한 추론을 하게 됨을 확인한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (1)
• /
• pp.232-234
• /
• 2004

강화 학습(Reinforcement Learning)을 실제 문제에 적용하는 데 있어 가장 큰 문제는 차원성의 저주(Curse of dimensionality)이다. 문제가 커짐에 따라 목적을 이루기 위해서 더 않은 단계의 판단이 필요하고 이에 따라 문제의 해결이 지수적으로 어려워지게 된다. 이를 해결하기 위칠 문제를 여러 단계로 나누어 단계별로 학습하는 계층적 강화 학습(Hierarchical Reinforcement Learning)이 제시된 바 있다. 하지만 대부분의 계층적 강화 학습 방법들은 사전에 문제의 구조를 아는 것을 전제로 하며 큰 사이즈의 문제를 간단히 표현할 방법을 제시하지 않는다. 따라서 이들 방법들도 실제적인 문제에 바로 적용하기에는 적합하지 않다. 이러한 문제점들을 해결하기 위해 복잡계 네트워크(Complex Network)가 갖는 작은 세상 성질(Small world Property)에 착안하여 자기조직화 하는 생장 네트워크(Self organizing growing network)를 기반으로 한 환경 표현 모델이 제안된 바 있다. 이러한 모델에서는 문제 크기가 커지더라도 네트워크의 사이즈가 크게 커지지 않기 때문에 문제의 난이도가 크기에 따라 크게 증가하지 않을 것을 기대할 수 있다. 본 논문에서는 이러한 환경 모델을 사용한 강화 학습 알고리즘을 구현하고 실험을 통하여 각 모델이 강화 학습의 문제 사이즈에 따른 성능에 끼치는 영향에 대해 알아보았다.

• 한국콘텐츠학회논문지
• /
• 제10권2호
• /
• pp.462-480
• /
• 2010

특허분석은 전 세계적으로 축적된 특허 데이터베이스로부터 기업의 연구개발 전략에 필요한 지식을 추출하는 것이다. 현재까지 특허출원 결과를 분석하여 해당기술에 대한 기술동향과 전개과정을 파악하여 향후 개발될 기술에 대한 방향정립을 위하여 특허분석은 필요한 결과를 제공한다. 본 논문에서는 특허분석과 관련된 방법 및 시스템에 대한 기술 분류를 수행하고 관련된 국내특허와 미국특허, 그리고 IEEE 논문을 조사하고 분석한다. 특허분석시스템은 기술 분야의 특성상 특허출원뿐만 아니라 연구결과의 논문발표도 활발히 이루어지고 있다. 본 연구에서 선정된 검색어를 통하여 최종적으로 검색된 결과를 이용하여 기술 분류에 따른 분석을 실시한다. 유효한 전체 특허와 논문을 대상으로 특허분석시스템에 필요한 공백기술을 찾아내기 위하여 매트릭스분석을 수행한다. 현재까지 등록된 특허분석시스템에 대한 기술발전 동향을 파악하고 앞으로 필요한 특허분석시스템 관련 기술발전 방향도 제시한다. 통계적 검정과 자기조직화 지도를 이용하여 유효 특허와 논문을 정량적으로 분석하여 국내특허, 미국특허, 그리고 논문 내에서 상대적으로 개발이 취약한 기술을 찾아내고 이에 대한 개발의 필요성도 함께 제시한다.

• 영재교육연구
• /
• 제24권1호
• /
• pp.113-147
• /
• 2014

본 연구는 세계 과학 기술 분야를 이끌어 가는 창의적 산물의 생성과정에 대한 사례연구이다. 연구의 목적은 과학 분야 창의적 산물이 발현되는 과정을 이해하는 데 있으며, 이를 통해 세계적으로 경쟁력 있는 과학인재를 발굴, 양성하는 과학영재교육의 방향을 제시하고자 한다. 구체적으로, 과학 기술 분야에서 과학자의 주관적 경험이 새로운 객관적 지식으로 창출되는 지적 성장과정, 그리고 과정별로 주요하게 작용하는 요소 및 변인들을 밝히는 데 초점을 맞추었다. 창의적 산물 생성 과정 연구는 지식의 진화론, 지식의 생명체설, 그리고 자기조직화 등의 학문적 배경에 토대를 두고 질적 연구방법을 활용하였다. 자료 수집은 세계 과학 기술 분야(12개 영역으로 구분)에 크게 기여한 창의적 산물과 이를 창출한 한국인 과학자 12인에 대한 면담을 통해 이루어졌다. 그 결과, 과학 기술 분야 창의적 산물은 네 단계-(1) 지식토대단계, (2) 지식 탐색단계, (3) 지식구성단계, (4) 지식발현단계-를 거쳐 발현되며, 각 단계는 상부 시스템, 하부시스템, 그리고 하위변인들로 이루어지는 것으로 드러났다.

• 대한토목학회논문집
• /
• 제38권6호
• /
• pp.839-850
• /
• 2018

집중호우에 의한 도시 유역의 침수 피해가 도시화에 따라 증가하는 추세이며, 이에 따라 정확하면서도 신속한 홍수예보 및 침수 예상도 표출이 필요하다. 특정 강우량에 따른 미지의 침수 범위를 예상하는 것은 도시 유역의 홍수에 대한 사전 대비에 매우 중요한 사안이며, 이를 위해 현재 홍수 예보와 관련된 정부기관에서 침수 피해 예상도를 주민들에게 제공하고자 하고 있다. 하지만, 특정 강우에 따른 정확한 침수 범위를 정량화하여 표출하는데 부족함이 있으며, 강우량과 지속시간에 따른 홍수의 크기에 대한 분석을 실시하고 수리학적 연계를 통한 준 실시간 침수범위 표출 방안을 고찰해야할 시기이다. 제시된 물리적 해석기반 자료를 이용하여 강우량-지속시간-침수량 관계곡선(Rainfall-Duration-Flooding quantity relationship curve, RDF)을 제시하고, 자율학습을 수행하는 자기조직화 특징 지도와 연계하여 미지의 침수 지도를 예측하였다. 예측한 침수 지도와 2차원 침수모형을 통한 결과를 비교하여, 제시된 방법론의 타당성을 검토하였다. 연구 결과를 통하여 중규모의 강우량 또는 빈도의 사상에 따른 미지의 침수범위를 제시하는데 용이할 것으로 판단된다. 더욱이 다양한 강우-월류량-홍수 양상을 내포하는 RDF 관계 곡선과 최적 침수예상도 데이터베이스를 구축함으로서 추후에 홍수예보의 기초자료로서 사용될 것이다.

• 정보관리학회지
• /
• 제25권2호
• /
• pp.49-68
• /
• 2008

지금까지의 정보검색 연구에서 데이터 융합 기법을 이용한 문서 검색은 하나의 알고리즘에 의한 검색에 비하여 많은 경우에 효율성이 높은 결과를 얻을 수 있었다. 하지만 이미지 검색에서 상이한 알고리즘을 이용한 다수의 검색 결과를 합쳐 하나의 검색결과를 얻는 데이터 융합 기법의 사용은 많지 않았다. 이 연구에서는 소벨 연산자를 이용한 윤곽선 검출과 자기조직화 지도 알고리즘에 의한 두 검색 결과를 융합하여 각각의 알고리즘에 의한 검색결과 보다 높은 효율성을 보여주는 방법을 제시하였다. 이 연구에서는 상용 클립아트 이미지를 이용하여 사람의 주관적인 적합성 판단을 배제한 검색 실험 데이터를 만들어 사용하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2011년도 한국컴퓨터종합학술대회논문집 Vol.38 No.1(A)
• /
• pp.426-429
• /
• 2011

광범위한 지형을 배경으로 하는 게임과 같은 실시간 시뮬레이션 시스템에서 사실적 표현을 높이는 중요한 요소 중 하나가 나무와 같은 자연물 표현이다. 하지만 시스템에 적합한 나무 모델을 매번 새롭게 제작하고 표현하는 일은 다소 어려움이 따른다. 본 연구는 이러한 문제를 해결하기 위하여 실시간 시스템에 적합한 다양하고 사실적인 나무를 모델링하는 방법을 설계한다. 이는 프랙탈 기반의 재귀적 계층 구조를 바탕으로 가지 성장의 자기조직화 처리를 결합하여 나무 성장 과정을 단순화시킴으로써 실시간 시스템에서 직관적이고 효율적으로 활용가능하게 한다. 또한 다양한 나무 모델을 자연스럽게 생성할 수 있도록 인터렉티브 제어 요소를 정의함은 물론 실시간 시스템 내 많은 수의 복잡한 나무 모델을 효율적으로 렌더링하기 위한 GPU를 기반으로 한 가지 표면에 대한 LOD 설정과 인스턴싱 방법을 추가하여 그 결과를 함께 보인다.

• 한국경영과학회:학술대회논문집
• /
• 대한산업공학회/한국경영과학회 1995년도 춘계공동학술대회논문집; 전남대학교; 28-29 Apr. 1995
• /
• pp.958-961
• /
• 1995

MODROC 기법이 대표적인 일반화된 기계-셀 형성 기법은 부품 생산비용, 부품가공시간, 공정순서, 로트 크기 등을 고려하여, 기계-셀을 형성함에 있어, 보다 현실적인 접근을 추구한 것이다. 그러나, 수리적 문제 해결의 한계로 인해 현실 접근성이 제한되며, 신경망을 이용한 기존의 기법들 역시 수리적 제한환경을 설정한 것이어서 현실적인 응용가능성이 떨어지고 있다. 본 논문에서는 공정순서와 공장배치를 고려하여 기계-셀의 효율적인 형성을 꾀하였다. 신경망 모델인 자기조직화 형성기법을 응용하였으며, 공장 작업영역과 기계-셀의 위치가 주어짐에 따라 공정순서를 고려하여 물류의 이동을 최소화하는 기계-셀의 형성 방법을 꾀하였다. 본 기계-셀 형성 방법은 기존의 방식에 비해 짧은 시간에 기계-셀을 형성할 수 있으며, 그에 따른 부품군의 형성은 공정을 고려하여 총 물류량을 감소시키는 방향으로 결정되는 장점을 갖고 있다. 또한, 다변화되는 환경에 대한 적응성과 예외적 요소(exceptional element)에 대한 셀 형성 및 처리가 매우 유연하게 나타내어 진다. 본 연구에서는 공정 간에 기계의 중복이 있는 경우의 기계-셀 형성 문제에 대해 제한된 기법을 적용하였다.

• 대한토목학회논문집
• /
• 제26권1B호
• /
• pp.61-67
• /
• 2006

강한 비선형성의 경향을 보이고 있는 강우-유출간의 관계를 모형화하기 위한 연구는 다양한 방법론으로 적용되어 활발히 연구되고 있다. 그 중에서 인공신경망을 이용하여 강우-유출간의 관계를 모형화하기 위한 대부분의 연구들은 역전파 학습 알고리즘(back propagation algorithm: BPA), Levenberg Marquardt(LV), radial basis function(RBF)을 이용하였으며, 이들은 강한 비선형성을 나타내는 입 출력간의 관계를 나타내는데 탁월한 성능을 보이고 있는 것으로 알려져 있고, 자료들의 급격한 변화나 현저한 변화에 대한 뛰어난 적응성을 보여주고 있다. 이러한 인공신경망 이론은 예측뿐만이 아니라 대상자료들의 양상을 분류하여 그 특성을 분석하는 데에도 이용되고 있다. 따라서 본 연구에서는 강우-유출과정의 양상에 따른 분류와 그에 따른 분석을 위해 Kohonen 네트워크 이론에 의한 자기조직화 방법(self-organizing map; SOM)을 적용하였다. 본 연구에서 제시한 방법을 이용한 결과, 강우의 시 공간적 분포의 불규칙한 변동성을 고려한 강우양상을 분류 할 수 있었으며, 강우-유출간의 특성을 분석한 결과 강한 비선현성을 가지고 있는 강우-유출관계가 SOM에 의해 7개의 패턴으로 구분되었다.

• 정보처리학회논문지B
• /
• 제10B권1호
• /
• pp.33-40
• /
• 2003

데이터 마이닝은 지식발견 과정에서 중요한 역할을 수행하며, 여러 데이터 마이닝의 알고리즘들은 특정의 목적을 위하여 선택될 수 있다. 대부분의 전통적인 계층적 클러스터링 방법은 적은 양의 데이터 집합을 처리하는데 적합하여 제한된 리소스와 부족한 효율성으로 인하여 대용량의 데이터 집합을 다루기가 곤란하다. 본 연구에서는 대용량의 데이터에 적용되어 알려지지 않은 패턴을 발견할 수 있는 하이브리드형 신경망 클러스터링 기법의 PPC(Pre-Post Clustrering) 기법을 제안한다. PPC 기법은 인공지능적 방법인 자기조직화지도(SOM)와 통계적 방법인 계층적 클러스터링을 결합하여 두 과정에서는 군집의 내부적 특징을 나타내는 응집거리와 군집간의 외부적 거리를 나타내는 인접거리에 따라 유사도를 측정한다. 최종적으로 PPC 기법은 측정된 유사도를 이용하여 대용량 데이터 집합을 군집화한다. PPC 기법은 UCI Repository 데이터를 이용하여 실험해 본 결과, 다른 클러스터링 기법들 보다 우수한 응집도를 보였다.